Bereitstellung von „ Python “-Funktionen

Sie können Python-Funktionen in Watson Machine Learning auf dieselbe Art wie Modelle bereitstellen. Ihre Tools und Apps können den Python -Client oder die REST-API watsonx.ai verwenden, um Daten an Ihre bereitgestellten Funktionen auf dieselbe Weise wie Daten an bereitgestellte Modelle zu senden. Durch die Bereitstellung von Python -Funktionen können Sie Details (z. B. Berechtigungsnachweise) ausblenden. Sie können Daten auch vorverarbeiten, bevor Sie sie an Modelle übergeben. Darüber hinaus können Sie Fehler behandeln und Aufrufe mehrerer Modelle einschließen, die alle innerhalb der bereitgestellten Funktion und nicht in Ihrer Anwendung enthalten sind.

Beispiel-Notebooks zum Erstellen und Bereitstellen von „ Python “-Funktionen

Beispiele für die Erstellung und Bereitstellung von „ Python “-Funktionen mithilfe der Client-Bibliothek „ watsonx.ai “ Python finden Sie in diesen Beispiel-Notebooks, die auf GitHub veröffentlicht sind:

Beispielname Framework Vorgestellte Techniken
Python -Funktion für die Softwarespezifikation einsetzen Kern Eine Funktion
„ Python “ erstellenEinen Webdienst erstellenDas Modell bewerten

Die Notizbücher veranschaulichen die sechs Schritte zur Erstellung und Bereitstellung einer Funktion:

  1. Definiere die Funktion
  2. Anmelden und einen Raum festlegen
  3. Speichere die Funktion im Repository
  4. Softwarespezifikation abrufen
  5. Die gespeicherte Funktion bereitstellen
  6. Daten zur Verarbeitung an die Funktion senden

Links zu anderen Beispielnotebooks, die die watsonx.ai Python -Clientbibliothekverwenden, finden Sie unter Watson Machine Learning in einem Notebook.

Erhöhung der Skalierbarkeit einer Funktion

Wenn Sie eine Funktion aus einem Bereitstellungsbereich oder programmgesteuert bereitstellen, wird standardmäßig eine einzige Kopie der Funktion bereitgestellt. Um die Skalierbarkeit zu erhöhen, können Sie die Anzahl der Replikate erhöhen, indem Sie die Konfiguration der Bereitstellung bearbeiten. Mehr Replikate ermöglichen eine größere Anzahl von Scoring-Anforderungen.

Im folgenden Beispiel wird die Client-API „ Python “ verwendet, um die Anzahl der Replikate auf 3 festzulegen.

change_meta = {
                client.deployments.ConfigurationMetaNames.HARDWARE_SPEC: {
                                       "name":"S",
                                       "num_nodes":3}
            }

client.deployments.update(<deployment_id>, change_meta)

Weitere Informationen